Prof. Frank Buntinx

Onderzoek naar de invloed van het milieu op de gezondheid

Prof. Frank BuntinxACHG - LIKAS

Gezondheid en Milieu - Alumni 2006

Uitgangspositie

• Vaak terechte vragen van verontruste burgers (en geïnteresseerde politici).

• Overheid en wetenschappers hebben geen goed antwoord op deze vragen. Wetenschappers worden tegen elkaar uitgespeeld.

• Weinig registratiegegevens in Belgie.• Post-hoc onderzoek:

– Epidemiologisch / statistische problemen.– Wantrouwen bij bevolking.– Recuperatie / exploitatie door lokale politiek


Enkele recente voorbeelden• Genk-Zuid:

– Metingen geven een verhoogde uitstoot van nikkel en chroom in de omgeving van een staalfabriek (midden in een industriegebied) in de onmiddellijke nabijheid van een woongebied. Bevolking is ongerust. Een politieke groepspraktijk zet zich daar achter. De gemeente belooft transparantie, onderzoek, enz.

• Noorderkempen:– Gekende historische pollutie met zware metalen uit

zinkfabrieken. Gekende weerslag op nierfunctie, botmassa.

– Nieuwe resultaten (kankerincidentie) uit follow-up studie worden frontpagina nieuws.


Enkele recente voorbeelden• Blaaskanker in regio Hasselt-Alken:

– Detectie van een cluster van verhoogde blaaaskankerincidentie door Limburgs Kankerregister. Oorzaken? Milieu?

• Bijlmermeerramp:– Vliegtuig crasht in flatgebouwencomplex. Geruchten

van allerhande producten aan boord. Achteraf veel diffuse klachten bij omwonenden en hulpverleners. Invloed van producten? Post-traumatisch stress syndroom? ….

• Regelmatig terugkerende verhalen:– GSM’s, zendpalen, hoogspanningskabels, ….– “In mijn wijk zijn er dit jaar al drie mensen gestorven

aan bloedkanker en er is er nog één ziek”


Algemene bedenkingen

• De meeste belangrijke aandoeningen hebben niet één oorzaak. Milieufactoren zullen dus maximaal een deel van een problematiek kunnen verklaren.

• Oorzaken van kankers werken niet vandaag in, maar tien en meer jaren geleden

• De ervaring leert dat de meeste clusteralarmen resulteren in ‘vals alarm’

Wat doet ge daar mee?


Wat doet ge daar mee?

• Als er een gekende oorzaak van ziekte speelt, moet niet zozeer onderzoek gaan doen, maar de oorzaak wegnemen.

– Voor kanker: zie IARC website– Op veel plaatsen zijn er allerlei meetpunten

(lucht, grond, water, …)– Cave: vaak is er discussie over normen


Basisaanpak bij clusteralarm

• Mogelijk probleem definiëren: welke kanker? welk type?

• Een noemer bepalen: hoeveel mensen en welke periode?

• Een teller bepalen: hoeveel gevallen van dezelfde aandoening?

• Controleren voor leeftijd en geslacht: houd rekening met het natuurlijk verloop van een wijksamenstelling.



• Hiermee zijn veel problemen afgehandeld:– Gegevens niet traceerbaar– Natuurlijke gevolg van de leeftijdsevolutie– Te weinig casussen om iets mee te doen.

– Betekent niet per definitie dat er geen probleem is, maar als wetenschapper zijt ge uitgepraat



• Twee alternatieven als focus:1. Focus op de diade van oorzaak (milieufactor)

en gevolg (ziekte)2. Focus op de eventuele vaststelling dat er ergens

een probleem is en dat het (al dan niet) de moeite is om te zoeken naar mogelijke (bijstuurbare) oorzaken van dat probleem


Focus = diade milieu en ziekte• Standaard aanpak in Nederland en veel andere

landen.• Breng ziekten in kaart zoals beschreven.• Bepaal welke milieufactor als verdacht beschouwd

wordt (bijv. schouwpijp). Breng de mogelijke ziekte-oorzaken zo precies mogelijk in kaart: bijv. meetwaarden – IARC gegevens

• Ga na of er een redelijke relatie zou kunnen bestaan tussen milieufactor en ziekte.

• Probeer die desgevallend te kwantificeren.


Focus = diade milieu en ziekte

Voordeel:• Snel een zeer gefocuseerde benadering, no-

nonsense aanpak.Probleem:• Wat als er wel een reeel probleem is, dat

echter niet veroorzaakt wordt door de oorzaak die het eerst genoemd is?


Focus = het potentieel probleem: het verhaal van Genk-zuid

• Initieel werd gedacht aan verhoogde kankerincidentie door chroomuitstoot.

• IARC data: zelfs als er een verband zou bestaan, zou dat nooit detecteerbaar zijn omdat het effect zeer klein zou zijn tegen de achtergrond.

• Eerste ruwe vergelijking van morbiditeit wijkgezondheidcentrum met Intego-data:– Zeker niet meer kanker– Wel opvallend meer COPD en asthma (x2 tot x11)

• 103 babies van 0-2 jaar: 50 anti-asthma medicatie


Focus = het potentieel probleem: het verhaal van Genk-zuid

• Mogelijke oorzaken:– Uitstoot van de geviseerde fabriek?– Andere fabrieken?

– Zeer belaste wijken• Lage SES• Veel migranten• beroepsbelasting• overcrowded


Het verhaal van Genk-zuid• De focus verschuift:

Van: is deze fabriek verantwoordelijk voor een verhoogde incidentie van ziekten?

Naar: het ziet er naar uit dat er in deze wijk een serieus probleem is, waarbij deze fabriek al dan niet een (co-) rol speelt in het ontstaan van COPD en asthma, en als dat het geval zou zijn, dan alleszins samen met een aantal andere factoren, die ten dele al bekend zijn.

• Wat doen?– Mogelijke oorzaken breed in kaart brengen:

• Om zicht te krijgen op de invloed van die oorzaken en ze te kwantificeren

• Als begin van een surveillance – Oorzaken opruimen


Er bestaan alternatieve onderzoeksdesigns


Langdurige prospectieve studie: het verhaal van de Noorderkempen

• Recrutering:– 1985-1989; per gezin, gestratificeerd voor leeftijd &

geslacht, 20 plussers die toen minstens 8 jaar in de gemeente woonden

– Lommel, Overpelt, Balen: 521 mensen uit de meest vervuilde wijken.

– Hechtel-Eksel: 473 mensen als vergelijkingsgroep• Basislijnmeting omvat o.m.:

– Achtergrondgegevens: leeftijd, geslacht, rookgedrag, SES

– Cadmium & arseen in bloed en urine– Bodemstalen

• Opvolging omvat o.m. kankers na gemiddeld 17 j.


• Analyse: vergelijkt kans op longkanker bij:– Mensen met meer versus minder cadmium in de urine

bij aanvang van de studie *– Mensen met meer versus minder cadmium in de bodem

(tuin) bij aanvang van de studie– Mensen uit de bij aanvang van de studie meer (Balen,

Overpelt, Lommel) versus minder (Hechtel-Eksel) vervuilde wijken *

• Idem voor arseen• Controle voor leeftijd, geslacht, rookgedrag op

baseline


• Resultaten:– Kans op longkanker stijgt bij toename van de

hoeveelheid cadmium in de urine (x 1.70 bij verdubbeling van de Cd uitscheiding) en bij toename van de hoeveelheid cadmium in de bodemstalen (x 1.31 bij verdubbeling hoeveelheid Cd).

Belangrijk resultaatEerste maal beschreven voor milieublootstelling

— Geen relatie met arseen— Meer longkankers bij deelnemers uit Lommel, Overpelt

en Balen (x 3.58) dan bij deelnemers uit Hechtel-Eksel


Spatiale analyse: het verhaal van het Limburgs kankerregister

• Doelstellingen:– Zinvol antwoord bieden op de vragen.– Gebaseerd op onderzoek in tempero non

suspecto.– Redenering die voor het publiek te begrijpen

valt (bijv. Bayesiaanse analysen) !?– Duidelijke cartografische presentatie


LIKAR aanpak

• Gemeentelijke kankerincidentiecijfers = aantalgevallen per 10.000 inwoners en per jaar, voorleeftijd & geslacht gestandaardiseerd naar de totale Limburgse populatie = SIR

• Corrigeren voor de invloed van grootte (aantalinwoners) = Poisson-gamma smoothing: Limburgse cijfers als priorwaarde.

• Corrigeren voor de gegevens uit de buurgemeenten en voor geografische trends: full Bayes model (CAR)


Verschillen in kankerincidentie: alle kankers 2001


Verschillen in kankerincidentie: longkanker 2003


LIKAR spatiale analyse

• Alternatieve analyse = Spatial scan statisticvan Kuldorff.– Corrigeert voor leeftijd, geslacht, …– Erg gevoelig.– Zal gemakkelijker blokvormige clusters

aantonen dan langwerpige– Gebruikt ter bevestiging


LIKAR spatiale analyse

• Analysen: alles voor 1996-1998 (2001)longkanker voor 1996-2001 (2003)

• Wat spelen wij kwijt?– Erg kleine clusters:

kleiner dan gemeentegrens1 kleine gemeente

– Clusters die niet rond een centraal punt liggen.

• Probleem: smoothing in randgemeenten


Waarom nood aan smoothing methodes?

• Ruwe SIR: hoge variabiliteit• Kleine regio’s of regio’s met een lage

bevolkingsdichtheid vertonen hierdoor vaak schijnbaar verhoogde risico’s

• Spatiale trends kunnen niet in rekening gebracht worden met conventionele methode


Verschillen in kankerincidentie: blaaskanker 2001


Juni 2001

Verschillen in kankerincidentie tussen de Limburgse gemeenten: de onderzoeksresultaten

TCC mannen


Verschillen in kankerincidentie: TTC blaaskanker

• Cluster van 5 gemeenten met SIR>2.0 en nog eens5 met SIR>1.5 na volledige smoothing bij mannen

• Circulair patroon• Bevestigd via spatial scan statistic van Kuldorff. • Vrouwen : na smoothing niet statistisch significant

(kleinere aantallen !), maar voor smoothing nogmeer uitgesproken resultaat


Verschillen in kankerincidentie: TTC blaaskanker

• Proberen te verklaren op gemeente-niveau:– Registratiefouten?– Eén laboratorium?– Entousiaste jonge uroloog?– Urbanisatiegraad, gemiddelde SES, % immigranten– Roken: gegevens voor 7+2 gemeenten (nat. Studie)– Genetica, beroepsblootstelling: niet te onderzoeken

– Brand in rubberindustrie in Alken 1981, ged 6 dagen


Wat nu? Het verhaal van het blaaskankercluster

1. open informatiebeleid: goed geregisseerd• eerst naar de lokale overheid, de artsen, de bevolking

– anticiperen op vragen– vermijden van onrust of paniek

• onmiddellijk daarna ook de bevolking informeren via de pers

2. Informeren van overheid: behoefte aaan onderzoek met individu als eenheid van analyse om verder te geraken

Milieu is een mogelijke co-oorzaak


Het verhaal van het blaaskankercluster

• Akkoord van minister voor case-controlstudie– Geen duidelijk verdachte uitlokkende factor– Gekende co-oorzaken– Geen informatie over interactie– Quid genetica: gen-omgevings interacties!


Het verhaal van het blaaskankerclusterCase-control studie: 200 cases + 385 controles aan

huis bezocht:1. Achtergrondfactoren (leeftijd, geslacht, SES)?2. Leefstijl factoren (roken, voeding, alcohol)?3. Beroepsfactoren + duur: beschrijving en

blootstelling?4. Genetische polymorphismen?5. Invloed van het milieu?

Zware metalen & antioxydantia in het bloedWoonplaats (20 jaar) en afstand tot stortplaatsen,

vervuilingsbronnen in bodem, grondwater, drinkwater

6. Interacties tussen al deze factoren


Het verhaal van het blaaskankercluster• Roken is belangrijkste risicofactor (x4), maar fruit

lijkt het effect te verminderen (halvering?)• Selenium (:2) vermindert kans op blaaskanker• Beroepsrisico: blootstelling aan aromatische

amines (x5). Interactie met roken // ververs, lakkers, schoonmakers, electronica

• Verhoogde bloedwaarden van zink en cadmium (x5) geven verhoogd risico

• Geen verband met arseen in bodem, grondwater of drinkwater, ook niet met blootstelling aan pesticiden of stortplaatsen

• Geen interactie met polymorfismen die activiteit van carcinogenen regelen


Het verhaal van het blaaskankercluster:de anticlimax

• Geen duidelijke (gedeeltelijke) verklaring voor het cluster

• Wat nu?– Verhoogde follow-up gedurende de volgende 5

jaren, inclusief tijdsanalyse in combinatie met de spatiale analyse.

– Samenwerking met buurregisters.


Een probleemgeval:het verhaal van de Bijlmermeerramp

• Allerhande, vaak vage klachten geregistreerd in de maanden na de ramp– Wat is meer dan in controlegroep: C.C. dsign,

maar quid correcte controlegroep?– Wat is te wijten aan milieufactor? Aan

posttraumatisch stress syndroom? Aan andere factoren?

– Wat is reeel? Cfr vergoedingen.• Erg moeilijk onderzoek.


Samenvatting• Clusteranalyse is niet gemakkelijk en slechts

zelden productief• Een zeer basale gegevensverzameling en –analyse

kan al veel vragen beantwoorden.• De eerste verdachte hoeft de (hele) oorzaak niet te

zijn. Opsporen en analyseren van gezondheids-problemen in regio’s kan nuttig zijn.

• Technieken voor spatiale analyse zijn beschikbaar• Meer krediet bij analyse in tempero non suspecto• Geen analyse zonder gegevens• Kijk naar interacties, ook gen-omgevinginteracties• Een communicatieplan is essentieel

Prof. Frank Buntinx

Documents

Transcript of Prof. Frank Buntinx